64- 大数据-hive 查询数据八：distribute by 分发

distribute by是控制在map端如何拆分数据给reduce端，hive会根据
distribute by 后面列，对应reduce的个数进行分发，默认采用hash算法。
sort by 是每个reduce产生的一个排序文件。在有些情况下，需要控制某个
特定行应该到哪个reducer，这通常是为了后续的聚合操作，distribute by
正好可以做这件事，所以通常和sort by 配合使用

distribute by 和 sort by 的使用场景：
1> map 输出的文件大小不均
2> reduce输出文件大小不均
3> 小文件过多
4> 文件超大

distribute by 后面不能加上 asc 或者 desc

案例：从student表中导出数据
1> 设置属性 set mapred.reduce.tasks=2;
2> insert overwrite local directory ‘/tmp/xxq/student’
select * from student distribute by id ;
3> 观察结果：Stage-Stage-1: Map: 1 Reduce: 2
数据被分发到了两个reducer中执行，
产生了000000_0和000001_0两个文件

distribute by和sort by结合使用
distribute by必须写在sort by 之前
select * from student distribute by id sort by sex;